李飛，王朋遠(yuǎn)

(1.廣東科學(xué)技術(shù)職業(yè)學(xué)院建筑工程學(xué)院，廣東 珠海 519090； 2.珠海市測(cè)繪院，廣東 珠海 519000)

1 引 言

室內(nèi)外無(wú)縫定位已經(jīng)成為位置服務(wù)的研究熱點(diǎn)。慣性導(dǎo)航系統(tǒng)作為一種自主導(dǎo)航定位技術(shù)，能夠獨(dú)立于環(huán)境，實(shí)時(shí)獲取載體的位置、姿態(tài)信息，輔助實(shí)現(xiàn)全空間無(wú)縫定位，尤其在無(wú)任何設(shè)施的全新特殊環(huán)境如緊急災(zāi)害現(xiàn)場(chǎng)、礦井、勘測(cè)的地下環(huán)境等。微型機(jī)電系統(tǒng)(Micro-electro mechanical Systems，MEMS)為行人慣性導(dǎo)航技術(shù)提供了便攜式微型慣性測(cè)量單元(Inertial measurement unit，IMU)[1，2]。但由于MEMS微型慣性傳感器精度低，輸出數(shù)據(jù)含有大量的噪聲，造成捷聯(lián)積分誤差迅速積累至不可用，因此基于足部MEMS-IMU捷聯(lián)慣性導(dǎo)航技術(shù)，多應(yīng)用零速修正(Zero-velocity Update，ZUPT)集成算法有效補(bǔ)償累計(jì)誤差[3，4]，該算法關(guān)鍵在于步態(tài)檢測(cè)能夠提供精確的零速區(qū)間。除此之外，行人航位推算(Pedestrian Dead-Reckoning，PDR)算法推算行人航跡變化需要精確的航向、步長(zhǎng)及計(jì)步信息。綜上，精確的步態(tài)檢測(cè)算法是高精度行人慣性導(dǎo)航技術(shù)的關(guān)鍵保障。

在足部IMU捷聯(lián)慣性導(dǎo)航技術(shù)的研究中，R Feliz等人[5]首次設(shè)計(jì)出類似的ZUPTs系統(tǒng)，在零速時(shí)更正速度和位置。Antonio Jiménez等人[5]給出了一個(gè)較為完整的ZUPT實(shí)施過(guò)程。Hassen[7]，Henar[8]，Jimenez[9]，Yan Li[10]等人利用零速修正算法融合Kalman濾波算法、EKF算法，對(duì)零速階段的速度和位置修正，實(shí)現(xiàn)位置、航向約束，提供室內(nèi)定位或室內(nèi)外無(wú)縫定位的解決方案。田曉春[11]、張金亮[12]等人，利用足部傳感器輸出參量的模值、方差、幅值、峰值等，進(jìn)行多條件約束降低零速區(qū)間誤判。上述基于足部傳感器的行人導(dǎo)航定位中，步態(tài)檢測(cè)算法多采用方差閾值進(jìn)行判斷，計(jì)算量大；而行人在跑步狀態(tài)下劇烈運(yùn)動(dòng)，導(dǎo)致零速階段不明顯，現(xiàn)有的算法極少實(shí)現(xiàn)跑步狀態(tài)零速檢測(cè)。針對(duì)以上問(wèn)題，利用行走過(guò)程中足部的靜止著地時(shí)間與跨步時(shí)間，修正偽運(yùn)動(dòng)狀態(tài)點(diǎn)與偽零速點(diǎn)，減少計(jì)算量；并針對(duì)行人跑步狀態(tài)，利用步伐探測(cè)和跨步階段探測(cè)建立了一個(gè)多條件約束的零速檢測(cè)算法，實(shí)現(xiàn)不同運(yùn)動(dòng)狀態(tài)的零速檢測(cè)與步態(tài)劃分。

2 步態(tài)檢測(cè)算法

2.1 運(yùn)動(dòng)模型分析

利用足部傳感器數(shù)據(jù)變化分析行人足部運(yùn)動(dòng)模型，實(shí)驗(yàn)捆綁傳感器于單腳上采集100Hz加速度和角速度數(shù)據(jù)，如圖1和圖2所示，數(shù)據(jù)變化具有明顯周期性特征。圖1中垂向加速度呈現(xiàn)出一段正弦曲線和一段平滑水平線組合為一個(gè)周期的變化，正弦曲線部分為該腳的跨步過(guò)程；平滑水平線部分為該腳跟著地到腳跟離地前的靜止階段(另一只腳在跨步過(guò)程)，速度接近于零，形成了零速區(qū)間，圖2所示的加速度模值與角速度模值的變化具有同樣的零速區(qū)間，為步態(tài)檢測(cè)和慣性定位誤差修正提供了有利的條件。

2.2 步態(tài)檢測(cè)算法

2.2.1 行走狀態(tài)零速區(qū)間檢測(cè)算法

為精確判斷行走過(guò)程中腳著地的靜止階段，較多研究者采用足部傳感器的加速度、加速度方差和角速度3個(gè)閾值條件綜合檢測(cè)數(shù)據(jù)的零速區(qū)間[11～13]，方差計(jì)算需要恰當(dāng)?shù)姆椒ㄟx擇合適的窗口，為避免計(jì)算方差和方差窗口設(shè)置不當(dāng)，提出了利用腳著地時(shí)間與跨步時(shí)間修正運(yùn)動(dòng)狀態(tài)的判斷，剔除偽跨步狀態(tài)點(diǎn)與偽零速點(diǎn)，過(guò)程如下：

圖1 行走時(shí)足部垂向加速度

圖2 行走時(shí)足部加速度模值與角速度模值

(1)計(jì)算k時(shí)刻加速度模值|ak|，利用零速狀態(tài)的加速度閾值進(jìn)行判斷得到C1：

(1)

(2)

式中：akx、aky、akz為k時(shí)刻三軸向加速度值。thamin、thamax為行走狀態(tài)的零速區(qū)間加速度閾值。

(2)計(jì)算角速度模值|wk|，利用角速度閾值條件進(jìn)行判斷結(jié)果為C2：

(3)

(4)

式中：wkx、wky、wkz為k時(shí)刻三軸向角速度值；thwmax為行走狀態(tài)零速區(qū)間角速度閾值。將判斷結(jié)果C1、C2進(jìn)行邏輯與運(yùn)算得到C3：

C3=C1∩C2

(5)

(3)判斷偽零速點(diǎn)并刪除：以加速度和角速度閾值進(jìn)行判斷，結(jié)果顯示仍有零碎的跨步狀態(tài)數(shù)據(jù)點(diǎn)判斷錯(cuò)誤，成為偽零速區(qū)間點(diǎn)，根據(jù)常速行走的經(jīng)驗(yàn)得出，足部著地時(shí)間約為 0.1 s～0.3 s[14]，因此將連續(xù)零速區(qū)間不足0.1s的判斷為偽零速點(diǎn)并剔除，修正為跨步狀態(tài)點(diǎn)，得到C4。

(4)判斷偽跨步點(diǎn)并刪除；在腳著地時(shí)，由于踏步不穩(wěn)易將部分采樣點(diǎn)誤判為跨步狀態(tài)，根據(jù)跨步時(shí)間約為 0.1 s～0.3 s[14]，將連續(xù)跨步時(shí)間不足 0.1 s的修正為零速點(diǎn)，獲得最終步態(tài)檢測(cè)結(jié)果C，C值為1表示為腳著地階段的零速區(qū)間。步態(tài)檢測(cè)算法的邏輯運(yùn)算結(jié)果如圖3所示，其中tup到tdown區(qū)間表示抬起腳跟開始跨步到腳著地，完成一個(gè)跨步過(guò)程，tdown到tend區(qū)間為算法檢測(cè)出的零速區(qū)間。

圖3 行走狀態(tài)零速檢測(cè)算法邏輯圖

2.2.2 多條件約束的跑步狀態(tài)零速區(qū)間檢測(cè)算法

跑步相對(duì)劇烈，步頻快，腳著地時(shí)間短且不穩(wěn)定，加速度和角速度數(shù)據(jù)波動(dòng)雜亂，相比行走狀態(tài)時(shí)零速區(qū)間不明顯，如圖4和圖5所示。圖4的3名實(shí)驗(yàn)者實(shí)測(cè)跑步狀態(tài)的角速度曲線顯示，3名實(shí)驗(yàn)者跑步時(shí)腳步運(yùn)動(dòng)特征差異較大，角速度無(wú)法獨(dú)立作為步態(tài)判斷的依據(jù)。但不同實(shí)驗(yàn)者在腳著地期間角速度數(shù)值均較小，當(dāng)抬腳的瞬間會(huì)出現(xiàn)峰值，可輔助判斷零速區(qū)間。

跑步狀態(tài)加速度如圖5所示，曲線零速區(qū)間不明顯，跨步階段加速度與靜止階段加速度接近，若利用零速檢測(cè)算法簡(jiǎn)單擴(kuò)大閾值，將造成較多的虛假檢測(cè)。但加速度數(shù)據(jù)顯示每跑一步存在一個(gè)峰值點(diǎn)，可作為跑步狀態(tài)特征點(diǎn)，因此可利用峰值點(diǎn)探測(cè)，完成跑步一步的步伐探測(cè)，再利用跨步階段探測(cè)進(jìn)行零速區(qū)間和跨步階段劃分，建立了跑步狀態(tài)的多條件約束零速檢測(cè)算法。

圖4 跑步狀態(tài)角速度分析

圖5 跑步狀態(tài)加速度特征

(1)步伐探測(cè)

步態(tài)周期分為4個(gè)階段：腳著地靜止、腳跟抬起、跨步、腳跟著地。如圖5加速度在達(dá)到峰值后迅速降低接近零值，該時(shí)刻是跑步中腳完成跨步階段后，腳跟碰地時(shí)刻，此時(shí)腳跟撞擊地面迅速停下，造成加速度劇烈變化。因此，該峰值點(diǎn)可作為跑步完成一個(gè)跨步的標(biāo)志性點(diǎn)，步伐探測(cè)即完成該峰值點(diǎn)的探測(cè)，進(jìn)行步數(shù)更新。

根據(jù)以上分析，跑步狀態(tài)步伐探測(cè)利用波峰檢測(cè)算法，過(guò)程如下：

①選取20個(gè)歷元的滑動(dòng)窗口，獲得當(dāng)前窗口內(nèi)加速度波峰進(jìn)行閾值判斷，經(jīng)過(guò)多次試驗(yàn)數(shù)據(jù)分析，若峰值在區(qū)間[30 m/s2，90 m/s2]內(nèi)即判斷為跑步狀態(tài)；

②計(jì)算窗口內(nèi)波峰與前一波峰時(shí)間差，利用時(shí)間閾值進(jìn)行判斷，在[0.2 s，1.4 s]內(nèi)為跑步狀態(tài)，該時(shí)長(zhǎng)為跑步時(shí)該腳著地靜止與跨步時(shí)間總和。

③將波峰與前后鄰域10個(gè)歷元比較，若為偽波峰則進(jìn)行剔除，若仍為鄰域內(nèi)峰值點(diǎn)則更新計(jì)步，完成步伐探測(cè)。

(2)跨步階段探測(cè)

跨步階段探測(cè)是確定跨步的起止時(shí)間，防止因擴(kuò)大閾值而產(chǎn)生虛假檢測(cè)。算法在步伐探測(cè)到峰值點(diǎn)的基礎(chǔ)上，進(jìn)行多條件約束，實(shí)現(xiàn)零速區(qū)間與跨步階段的劃分，過(guò)程如下：

①根據(jù)步伐探測(cè)的峰值點(diǎn)向后查找，利用加速度閾值區(qū)間[8 m/s2，15 m/s2]進(jìn)行條件約束，檢測(cè)出峰值點(diǎn)后的零速區(qū)間，結(jié)果為C5。

②利用角速度閾值Ts=2進(jìn)行約束，輔助檢測(cè)零速區(qū)間，如式(6)所示，結(jié)果為C6。

(6)

將角速度與加速度條件約束結(jié)果進(jìn)行邏輯與運(yùn)算，完成多條件限制確定跑步狀態(tài)零速區(qū)間C7?？绮诫A段則從零速區(qū)間的下一歷元開始，直至下一峰值點(diǎn)后的零速區(qū)間為止。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

步態(tài)檢測(cè)實(shí)驗(yàn)使用美國(guó)MicroStrain公司的高精度微型慣性傳感器3DM-GX3-25，如圖6所示，將傳感器3DM-GX3-25固定于腳上如圖7所示，采集數(shù)據(jù)頻率 100 Hz，實(shí)驗(yàn)于中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院三樓的不同場(chǎng)景下進(jìn)行，建筑分布如圖8所示，邀請(qǐng)不同性別、身高、體重人員進(jìn)行兩種運(yùn)動(dòng)狀態(tài)的直線和回形路線的實(shí)驗(yàn)，驗(yàn)證算法有效性。

圖6 硬件設(shè)備3DM-GX3-25

圖7 傳感器固定示意圖

圖8 環(huán)測(cè)學(xué)院三樓建筑地圖

3.2 實(shí)驗(yàn)與分析

3.2.1 行走狀態(tài)實(shí)驗(yàn)與分析

為驗(yàn)證行走狀態(tài)零速檢測(cè)算法，對(duì)身高體重行走姿態(tài)差別較大的4名實(shí)驗(yàn)者的7組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，結(jié)果如表1所示，計(jì)步誤差最大為一步，步態(tài)檢測(cè)正確率達(dá)99%以上，因此，行走狀態(tài)零速檢測(cè)算法可實(shí)現(xiàn)有效步態(tài)檢測(cè)。

行走狀態(tài)零速檢測(cè)算法統(tǒng)計(jì) 表1

3.2.2 跑步狀態(tài)實(shí)驗(yàn)與分析

為驗(yàn)證跑步狀態(tài)步態(tài)檢測(cè)算法是否有效，4名身高體重差異較大的實(shí)驗(yàn)者進(jìn)行了10組實(shí)驗(yàn)，算法處理結(jié)果如表2所示，計(jì)步誤差最大為一步，步態(tài)判斷準(zhǔn)確率達(dá)99%以上，實(shí)現(xiàn)了跑步狀態(tài)高精度的步態(tài)檢測(cè)與計(jì)步。其中，回形跑步計(jì)步錯(cuò)誤是因?yàn)樵搶?shí)驗(yàn)者轉(zhuǎn)角處速度過(guò)慢，加速度未滿足條件所致。

跑步狀態(tài)零速檢測(cè)統(tǒng)計(jì) 表2

跑步狀態(tài)步態(tài)檢測(cè)算法包括步伐探測(cè)和跨步階段探測(cè)，其中直線路線和回形路線實(shí)驗(yàn)的步伐探測(cè)結(jié)果如圖9和圖10所示，探測(cè)出峰值點(diǎn)用圓圈標(biāo)記，算法有效探測(cè)出腳著地瞬間產(chǎn)生的加速度峰值點(diǎn)，實(shí)現(xiàn)步伐更新。在此基礎(chǔ)上，跨步階段探測(cè)如圖11所示，其中“*”標(biāo)志為零速靜止階段，其他為跨步階段。圖11中可以看出，算法有效探測(cè)出跑步狀態(tài)的零速區(qū)間，準(zhǔn)確劃分零速靜止階段與跨步階段。

圖9 30 m跑步實(shí)驗(yàn)步伐探測(cè)結(jié)果

圖10 回形路線實(shí)驗(yàn)步伐探測(cè)結(jié)果

圖11 跨步階段探測(cè)

4 結(jié) 論

基于足部微型傳感器的行人慣性導(dǎo)航定位研究中，步態(tài)檢測(cè)具有舉足輕重的作用。本文提出利用足部著地和跨步時(shí)間條件限制的行走步態(tài)檢測(cè)算法，正確率在99%以上；并針對(duì)行人跑步狀態(tài)，將跑步狀態(tài)劃分為靜止階段和跨步階段，利用步伐探測(cè)和跨步階段探測(cè)設(shè)計(jì)了跑步狀態(tài)零速區(qū)間檢測(cè)算法，正確率達(dá)99%，避免了簡(jiǎn)單擴(kuò)大閾值引入的運(yùn)動(dòng)狀態(tài)誤判。綜上，針對(duì)行走與跑步狀態(tài)的步態(tài)檢測(cè)算法滿足了步態(tài)檢測(cè)高精度要求，為行人慣性導(dǎo)航的誤差修正，提高導(dǎo)航精度奠定基礎(chǔ)；不足之處在于未將行走狀態(tài)與跑步狀態(tài)算法統(tǒng)一，此為進(jìn)一步研究的方向。